点上方人工智能算法与Python大数据获取更多干货
在右上方···设为星标★，第一时间获取资源
仅做学术分享，如有侵权，联系删除
转载于：机器之心
图注意力网络的一作PetarVeli?kovi?接过了接力棒，也在Twitter上晒出了自己的博士论文。这些大神是约好了吗？在一项针对年到年各大顶会论文关键词的统计中，「图神经网络」的增长速度位列榜首，成为上升最快的话题。在图神经网络出现之前，尽管深度学习已经在欧几里得数据中取得了很大的成功，但从非欧几里得域生成的数据得到了更广泛的应用，它们也需要有效的分析，由此催生了图神经网络。图神经网络最初由FrancoScarselli和MarcoGori等人提出，在之后的十几年里被不断扩展，先后发展出了图卷积网络（GraphConvolutionNetworks，GCN）、图注意力网络（GraphAttentionNetworks）、图自编码器（GraphAutoencoders）、图生成网络（GraphGenerativeNetworks）和图时空网络（GraphSpatial-temporalNetworks）等多个子领域。每个子领域都有一些拓荒者，比如前文提到的ThomasKipf，他和MaxWelling一起开辟了图卷积网络。而今天这篇博士论文的作者PetarVeli?kovi?是图注意力网络的一作，他和GuillemCucurull、YoshuaBengio等人一起完成了图注意力网络的开山之作——《GraphAttentionNetworks》，这篇论文被ICLR接收。发布两年后，该论文被引量已超过。PetarVeli?kovi?现在是DeepMind的研究科学家。他于年从剑桥大学获得计算机科学博士学位，导师为PietroLiò。他的研究方向包括：设计在复杂结构数据上运行的神经网络架构（如图网络），及其在算法推理和计算生物学方面的应用。除了图注意力网络，他还是《DeepGraphInfomax》的一作。在这篇论文中，他和WilliamFedus、YoshuaBengio等人提出了以无监督方式学习图结构数据中节点表示的通用方法，该论文被ICLR接收。PetarVeli?kovi?的博士论文去年就已经完成，只是最近才跟大家分享。这篇论文的题目是《Theresurgenceofstructureindeepneuralnetworks》，共计页，涵盖了PetarVeli?kovi?的上述经典工作和其他关于图神经网络的内容，非常值得一读。论文链接：